Your company's data could help end world hunger | Mallory Freeman

번역: Jihyeon J. Kim 검토: Gichung Lee

June 2010.

2010년 6월에

I landed for the first time in Rome, Italy.

처음으로 이탈리아 로마에 갔습니다.

I wasn't there to sightsee.

관광하러 간 것이 아니었습니다.

I was there to solve world hunger.

세계 기아 문제를 해결하러 갔죠.

(웃음)

(Laughter)

That's right.

맞습니다.

25세 박사과정 학생으로

I was a 25-year-old PhD student

armed with a prototype tool developed back at my university,

대학에서 개발한 시제품 도구로 무장하고

and I was going to help the World Food Programme fix hunger.

저는 세계 식량기구가 기아를 해결하도록 도울 참이었죠.

So I strode into the headquarters building

저는 본부로 당당히 들어갔고

and my eyes scanned the row of UN flags,

제 눈은 유엔 깃발들을 훑어보며

and I smiled as I thought to myself,

혼자 생각하며 웃었습니다.

"The engineer is here."

"엔지니어가 여기 왔다."

(Laughter)

(웃음)

Give me your data.

데이터를 주세요.

I'm going to optimize everything.

모든 것을 최적화 하겠습니다.

(Laughter)

(웃음)

Tell me the food that you've purchased,

구입한 식량을 말씀해 주세요.

tell me where it's going and when it needs to be there,

식량이 어디로 가고 언제 필요한지 말해 주세요.

그럼 가장 짧고, 빠르고 저렴하게

and I'm going to tell you the shortest, fastest, cheapest,

best set of routes to take for the food.

식량을 조달할 최적의 루트를 알려드리죠.

We're going to save money,

자금을 절약할 수 있어요.

we're going to avoid delays and disruptions,

지연과 혼란을 피할 것입니다.

and bottom line, we're going to save lives.

가장 중요한 것은 생명을 구할 겁니다.

뭐 이정도 가지고요.

You're welcome.

(Laughter)

(웃음)

저는 12개월 걸릴 거라 생각했어요.

I thought it was going to take 12 months,

어쩌면 13개월이요.

OK, maybe even 13.

This is not quite how it panned out.

이게 잘 되지는 않았어요.

Just a couple of months into the project, my French boss, he told me,

프로젝트를 시작한 지 두어 달 됐을 때 제 프랑스인 상사가 말하길

"You know, Mallory,

"말로리, 있잖아요.

it's a good idea,

좋은 생각이긴 한데

but the data you need for your algorithms is not there.

당신의 알고리즘에 필요한 데이터가 없어요.

It's the right idea but at the wrong time,

생각은 맞는데 때가 잘못 된 거예요.

and the right idea at the wrong time

때를 잘못 만난 제대로 된 생각은

잘못된 생각이에요."

is the wrong idea."

(Laughter)

(웃음)

Project over.

프로젝트가 종료됐죠.

저는 맥이 빠졌습니다.

I was crushed.

로마에서의 첫 여름을 지금 되돌아 보면

When I look back now

on that first summer in Rome

and I see how much has changed over the past six years,

지난 6년간 얼마나 변했는지 알 수 있어요.

it is an absolute transformation.

완전한 대변신입니다.

It's a coming of age for bringing data into the humanitarian world.

인도주의적 세계에 데이터를 쓰는 게 당연해졌습니다.

놀랍고, 고무적입니다.

It's exciting. It's inspiring.

But we're not there yet.

하지만 아직 완전한 것은 아닙니다.

And brace yourself, executives,

임원 여러분은 준비하세요

because I'm going to be putting companies

회사가 할 수 있는 역할을 하도록 제가 불편하게 만들 테니까요.

on the hot seat to step up and play the role that I know they can.

My experiences back in Rome prove

로마에서의 경험으로 볼 때

using data you can save lives.

데이터를 가지고 생명을 살릴 수 있습니다.

OK, not that first attempt,

그래요, 첫 시도만에 그렇게 된 건 아니지만

but eventually we got there.

결국은 그렇게 됐어요.

Let me paint the picture for you.

전체 상황을 말씀드리겠습니다.

Imagine that you have to plan breakfast, lunch and dinner

여러분이 삼시 세끼를 계획한다고 상상해 보세요.

50만 명 분을요.

for 500,000 people,

and you only have a certain budget to do it,

그런데 자금이 정해져 있는 겁니다.

say 6.5 million dollars per month.

가령 매달 650만 달러라고 합시다.

Well, what should you do? What's the best way to handle it?

어떻게 하시겠어요? 어떤 방법이 최선일까요?

Should you buy rice, wheat, chickpea, oil?

쌀, 밀, 콩, 기름을 사시겠어요?

How much?

얼마만큼요?

간단해 보이지만 그렇지 않습니다.

It sounds simple. It's not.

가능한 음식이 30개인데 그 중에서 5개만 뽑아야 합니다.

You have 30 possible foods, and you have to pick five of them.

That's already over 140,000 different combinations.

벌써 14만 가지 조합이 나옵니다.

Then for each food that you pick,

선별한 각 음식을

you need to decide how much you'll buy,

얼마나 구매할지

where you're going to get it from,

어디서 가져올지

where you're going to store it,

어디에 저장할지

how long it's going to take to get there.

시간이 얼마나 걸릴지 정해야 합니다.

You need to look at all of the different transportation routes as well.

모든 다양한 수송 경로도 살펴봐야 합니다.

그럼 벌써 선택이 9억 가지가 넘습니다.

And that's already over 900 million options.

각 선택을 1초라고 한다면

If you considered each option for a single second,

that would take you over 28 years to get through.

모두 살펴보는데 28년이 걸릴 겁니다.

900 million options.

9억 개의 선택을요.

그래서 저희가 의사결정자들을 위해

So we created a tool that allowed decisionmakers

to weed through all 900 million options

9억 가지 선택을 걸러서 단 며칠 만에 살펴볼 도구를 만들었습니다.

in just a matter of days.

It turned out to be incredibly successful.

대단히 성공적이었습니다.

In an operation in Iraq,

이라크 미션에서는

we saved 17 percent of the costs,

비용을 17% 절감했는데

and this meant that you had the ability to feed an additional 80,000 people.

그것은 8만 명에게 추가로 식량 공급을 할 수 있는 양이었습니다.

It's all thanks to the use of data and modeling complex systems.

이게 모두 데이터 사용과 복합 시스템 모형 덕분입니다.

But we didn't do it alone.

저희들이 다 한 게 아니었습니다.

The unit that I worked with in Rome, they were unique.

제가 로마에서 함께 일했던 팀이 훌륭했습니다.

They believed in collaboration.

그들은 협력을 믿었습니다.

They brought in the academic world.

학계를 끌어들였습니다.

기업들도 끌어들였죠.

They brought in companies.

And if we really want to make big changes in big problems like world hunger,

세계 기아와 같은 거대한 문제에 큰 변화를 일으키려면

we need everybody to the table.

모든 사람이 함께 일해야 합니다.

구호단체의 데이터 관계자가 주도하여

We need the data people from humanitarian organizations

leading the way,

and orchestrating just the right types of engagements

학계와 정부가 함께 참여할 수 있는 적당한 일을 지휘해야 합니다.

with academics, with governments.

And there's one group that's not being leveraged in the way that it should be.

해야 하는 만큼 관여하지 않는 단체 하나가 있습니다.

짐작하셨나요? 바로 기업입니다.

Did you guess it? Companies.

Companies have a major role to play in fixing the big problems in our world.

기업들은 세계의 중대한 문제를 해결할 핵심 역할을 맡고 있죠.

I've been in the private sector for two years now.

저는 지금까지 2년간 민간 부문에 있었습니다.

I've seen what companies can do, and I've seen what companies aren't doing,

기업이 할 수 있는 일을 알고 있고 기업이 하지 않는 일을 알고 있습니다.

and I think there's three main ways that we can fill that gap:

그 간극을 메울 세 가지 방법이 있습니다.

by donating data, by donating decision scientists

데이터를 기증하고 의사결정 과학자를 내어주고

and by donating technology to gather new sources of data.

데이터의 새로운 소스를 모을 기술을 기부하는 겁니다.

This is data philanthropy,

이것이 데이터 자선사업이며

and it's the future of corporate social responsibility.

기업의 사회적 책임의 미래 모습입니다.

또한 사업적 측면에서도 이치에 맞습니다.

Bonus, it also makes good business sense.

Companies today, they collect mountains of data,

오늘날의 기업은 엄청난 데이터를 수집합니다.

기업이 제일 먼저 할 수 있는 일은 그 데이터를 기증하는 겁니다.

so the first thing they can do is start donating that data.

Some companies are already doing it.

어떤 기업들은 이미 하고 있습니다.

주요 통신 기업을 예로 들겠습니다.

Take, for example, a major telecom company.

They opened up their data in Senegal and the Ivory Coast

그들은 세네갈과 아이보리 코스트에서 데이터를 개방하고

and researchers discovered

연구자들이 발견하기를

that if you look at the patterns in the pings to the cell phone towers,

휴대폰 기지의 접속 패턴을 살펴보면

you can see where people are traveling.

사람들이 어디를 여행하고 있는지 알 수 있어요

And that can tell you things like

그것으로 알 수 있는 것은

where malaria might spread, and you can make predictions with it.

가령 말라리아 전파경로를 알아서 미리 예측할 수 있습니다.

혁신적인 위성 회사를 예로 들어 볼게요.

Or take for example an innovative satellite company.

They opened up their data and donated it,

데이터를 개방해서 기증했고

그 데이터로

and with that data you could track

how droughts are impacting food production.

가뭄이 식량 생산에 어떻게 영향을 주는지 추적할 수 있습니다.

With that you can actually trigger aid funding before a crisis can happen.

그것으로 위기 발생 전에 구호자금을 모을 수 있습니다.

This is a great start.

굉장한 출발이죠.

There's important insights just locked away in company data.

기업 데이터에 묶인 중요한 내용들이 있습니다.

And yes, you need to be very careful.

네, 아주 신중해야 합니다.

You need to respect privacy concerns, for example by anonymizing the data.

가령 데이터를 익명으로 해서 개인정보를 존중해야 합니다.

But even if the floodgates opened up,

정보의 문이 열린다고 해도

and even if all companies donated their data

모든 기업이 데이터를

to academics, to NGOs, to humanitarian organizations,

학계, NGO, 인권 단체에 기증한다고 해도

it wouldn't be enough to harness that full impact of data

인도적 목표를 위해 데이터 최대 효과를 이용하기엔 충분치 않습니다.

for humanitarian goals.

Why?

왜 그럴까요?

To unlock insights in data, you need decision scientists.

데이터 속의 의미를 풀려면 의사결정 과학자가 있어야 합니다.

Decision scientists are people like me.

의사결정 과학자는 저 같은 사람이죠.

They take the data, they clean it up,

데이터를 가지고 마무리 하고

transform it and put it into a useful algorithm

전환해서 유용한 알고리즘으로 만들어

that's the best choice to address the business need at hand.

사업 필요를 바로 채우는 데 최선의 선택이 되게 합니다.

In the world of humanitarian aid, there are very few decision scientists.

인도적인 구호의 세계에선 의사결정 과학자가 거의 없습니다.

Most of them work for companies.

대부분은 기업에서 일합니다.

So that's the second thing that companies need to do.

그래서 그것이 기업이 해야 할 두 번째 일입니다.

데이터를 기증할 뿐만 아니라

In addition to donating their data,

they need to donate their decision scientists.

의사결정 과학자도 제공해야 합니다.

Now, companies will say, "Ah! Don't take our decision scientists from us.

아마 기업은 이렇게 말하겠죠. "의사결정 과학자를 데려가지 마세요!

We need every spare second of their time."

우린 매 순간 그들이 필요합니다."

But there's a way.

하지만 방법이 있습니다.

If a company was going to donate a block of a decision scientist's time,

기업이 의사결정 과학자의 시간 단위를 기증하면

it would actually make more sense to spread out that block of time

그 시간 단위를 펼쳐서 장기적으로 쓰는 게 실제로 더 합리적입니다.

over a long period, say for example five years.

가령 5년 정도에 걸쳐서요.

This might only amount to a couple of hours per month,

기업 입장에서는 거의 피해가 없는 한 달에 두어 시간 정도이지만

which a company would hardly miss,

but what it enables is really important: long-term partnerships.

굉장히 중요한 일을 할 수 있습니다. 장기적인 협력관계죠.

Long-term partnerships allow you to build relationships,

장기적 협력관계는 관계를 형성시켜 주고

to get to know the data, to really understand it

데이터를 알게 해주며 실제로 이해하게 해 줍니다.

and to start to understand the needs and challenges

그리고 인도적 단체가 당면한 필요와 문제를 이해하게 해 줍니다.

that the humanitarian organization is facing.

In Rome, at the World Food Programme, this took us five years to do,

로마의 세계 식량 기구에서는 이 일이 5년 걸렸습니다.

five years.

5년이요.

처음 3년은 문제를 해결할 수 없었습니다.

That first three years, OK, that was just what we couldn't solve for.

Then there was two years after that of refining and implementing the tool,

다음 2년 동안 방법을 다듬고 실행했습니다.

like in the operations in Iraq and other countries.

이라크와 다른 나라에서의 미션에서와 같이요.

I don't think that's an unrealistic timeline

저는 비현실적인 시간계산이 아니라고 봅니다.

when it comes to using data to make operational changes.

실행적인 변화를 위해 데이터를 사용하는 데요.

It's an investment. It requires patience.

그건 투자이고, 인내심이 필요합니다.

But the types of results that can be produced are undeniable.

만들어지는 결과의 형태는 부정할 수 없습니다.

In our case, it was the ability to feed tens of thousands more people.

저희 경우는, 수 만명에게 식량 공급을 더 할 수 있었습니다.

So we have donating data, we have donating decision scientists,

저희는 데이터와 의사결정 과학자를 기증해 왔고

and there's actually a third way that companies can help:

이제 기업이 도울 수 있는 세 번째 방법이 있습니다.

donating technology to capture new sources of data.

새로운 데이터 소스를 모을 기술을 기증하는 겁니다.

You see, there's a lot of things we just don't have data on.

데이터가 없는 많은 것들이 있습니다.

Right now, Syrian refugees are flooding into Greece,

당장 시리아 난민들이 그리스로 몰려들고 있는데

유엔 난민기구는 일손이 부족합니다.

and the UN refugee agency, they have their hands full.

사람들은 추적하는 현재 시스템은 종이와 연필입니다.

The current system for tracking people is paper and pencil,

그게 무슨 뜻이냐면

and what that means is

엄마와 자녀 다섯 명이 난민 캠프에 와도

that when a mother and her five children walk into the camp,

본부에서는 이 상황에 대해 전혀 모릅니다.

headquarters is essentially blind to this moment.

That's all going to change in the next few weeks,

그런 상황이 몇 주 뒤면 바뀔 겁니다.

thanks to private sector collaboration.

민간 부문에서 협력한 덕분입니다.

There's going to be a new system based on donated package tracking technology

기증받은 추적 기술에 근거해서 새로운 시스템이 생길 겁니다.

from the logistics company that I work for.

제가 일하는 물류 회사에서 받았습니다.

새 시스템으로 데이터 흐름이 생겨서

With this new system, there will be a data trail,

so you know exactly the moment

바로 알게 됩니다.

when that mother and her children walk into the camp.

엄마와 자녀들이 캠프에 들어오는 순간요.

게다가 그녀가 이달과 다음달에 구호물자를 받을 것인지도 알게 됩니다.

And even more, you know if she's going to have supplies

this month and the next.

Information visibility drives efficiency.

정보 가시성은 효율성을 올립니다.

For companies, using technology to gather important data,

기업 입장에서는 중요 데이터 수집을 위해 기술을 쓰는 건

it's like bread and butter.

뗄 수 없는 일입니다.

They've been doing it for years,

수 년간 기업들을 이런 일을 해왔고

and it's led to major operational efficiency improvements.

주요 실행 효율성 향상을 가져왔습니다.

여러분이 제일 좋아하는 음료 회사가

Just try to imagine your favorite beverage company

trying to plan their inventory

재고 계획을 세우면서도

and not knowing how many bottles were on the shelves.

음료수 몇 병이 쌓여있는지 모른다고 생각해 보세요.

It's absurd.

말도 안 되죠.

Data drives better decisions.

데이터는 더 나은 결정을 하게 합니다.

Now, if you're representing a company,

만약 여러분이 회사를 대표한다면

and you're pragmatic and not just idealistic,

실용적이며 마냥 이상적이진 않다면

you might be saying to yourself, "OK, this is all great, Mallory,

이런 생각을 하시겠죠, "그래요, 다 좋아요, 말로리

but why should I want to be involved?"

하지만 제가 왜 관여해야 하지요?"

한 가지는 훌륭한 홍보를 넘어서

Well for one thing, beyond the good PR,

humanitarian aid is a 24-billion-dollar sector,

인도주의적 구호는 240억 달러 규모이고

and there's over five billion people, maybe your next customers,

50억 명 이상이 여러분의 다음 고객일 수 있습니다.

that live in the developing world.

개발도상국에 살고 있죠.

Further, companies that are engaging in data philanthropy,

나아가서 데이터 자선사업에 참여하는 회사들은

they're finding new insights locked away in their data.

데이터에서 벗어나 새로운 깨달음을 얻습니다.

Take, for example, a credit card company

중심에 개장한 신용카드 회사를 예로 들면

that's opened up a center

that functions as a hub for academics, for NGOs and governments,

NGO나 정부, 학계의 중추역할을 하는 거죠.

all working together.

모두 협력하는 겁니다.

그들은 신용카드 구매 정보를 보고

They're looking at information in credit card swipes

and using that to find insights about how households in India

인도 가정의 생활, 일, 수입과 지출 형태의 의미를 찾으려고 합니다.

live, work, earn and spend.

For the humanitarian world, this provides information

인도적 세계에서는 이것이

about how you might bring people out of poverty.

빈곤탈출 방법에 대한 정보를 줍니다.

But for companies, it's providing insights about your customers

하지만 기업에게는 고객들과

인도의 잠재적 고객들의 정보를 주죠.

and potential customers in India.

It's a win all around.

모두에게 득이 되는 겁니다.

Now, for me, what I find exciting about data philanthropy --

제가 발견한 데이터 자선사업이 흥분되는 점은

donating data, donating decision scientists and donating technology --

데이터, 의사결정 과학자와 기술을 기증하는 겁니다.

저같은 기업에서 일하려는 젊은 전문가들에게는 그런 의미입니다.

it's what it means for young professionals like me

who are choosing to work at companies.

Studies show that the next generation of the workforce

연구에서는 노동력의 다음 세대는

care about having their work make a bigger impact.

일로 더 큰 영향력을 끼치는 데 신경쓴다고 합니다.

We want to make a difference,

우리는 변화를 만들고 싶고

and so through data philanthropy,

데이터 자선사업을 통해서도 그렇습니다.

companies can actually help engage and retain their decision scientists.

기업들은 실제로 참여하면서도 의사결정 과학자들을 유지할 수 있습니다.

And that's a big deal for a profession that's in high demand.

고수요 직종에게는 중요한 일이죠.

Data philanthropy makes good business sense,

데이터 자선사업은 사업적으로 합리적입니다.

and it also can help revolutionize the humanitarian world.

인도적 세계를 대변혁하도록 도울 수 있고요.

If we coordinated the planning and logistics

우리가 계획과 운송을

across all of the major facets of a humanitarian operation,

구호 작전의 주요 방면을 통틀어 조정한다면

수 십만 명을 더 먹이고, 입히고 보호할 수 있습니다.

we could feed, clothe and shelter hundreds of thousands more people,

and companies need to step up and play the role that I know they can

기업이 나서서 이런 혁명을 불러올 기구를 구성하고 역할을 해야합니다.

in bringing about this revolution.

You've probably heard of the saying "food for thought."

여러분은 "생각할 거리"란 말을 들어보셨을 겁니다.

Well, this is literally thought for food.

이건 말 그대로 음식을 위한 생각입니다.

It finally is the right idea at the right time.

이것은 마침내 제 때의 제대로 된 아이디어입니다.

(Laughter)

(웃음)

Très magnifique.

아주 멋집니다.(프랑스어)

Thank you.

감사합니다.

(Applause)

(박수)